面向工業(yè)裝配演示編程的動(dòng)作識(shí)別.pdf

1、隨著機(jī)器人技術(shù)的不斷發(fā)展，工業(yè)機(jī)器人的應(yīng)用領(lǐng)域也大大擴(kuò)展，已開(kāi)始從傳統(tǒng)的汽車制造、機(jī)械加工向五金、3C、家具等各個(gè)離散制造行業(yè)推廣應(yīng)用?？紤]到在新興制造領(lǐng)域中存在大量的小件裝配需求，并且它們具有典型的多品種、小批量和短周期特點(diǎn)，因而該領(lǐng)域?qū)I(yè)機(jī)器人的易用性提出了極高的要求。機(jī)器人演示編程作為一種提高機(jī)器人易用性的重要途徑，由于其可以有效簡(jiǎn)化機(jī)器人編程，因而成為了當(dāng)前機(jī)器人領(lǐng)域中的研究熱點(diǎn)。
　　本文針對(duì)工業(yè)裝配演示編程中的動(dòng)作識(shí)

2、別問(wèn)題展開(kāi)研究，考慮到裝配動(dòng)作識(shí)別的復(fù)雜性，本文從裝配物體和操作手兩個(gè)主體中提取特征描述裝配動(dòng)作，進(jìn)而實(shí)現(xiàn)連續(xù)裝配動(dòng)作識(shí)別。本文具體的研究?jī)?nèi)容和成果如下:
　　1.提出了改進(jìn)的壓縮跟蹤算法。針對(duì)原壓縮跟蹤中目標(biāo)尺寸和學(xué)習(xí)率均固定的問(wèn)題，本文算法一方面通過(guò)利用帶通道標(biāo)記的隨機(jī)稀疏測(cè)量矩陣從不同尺度圖像形成的圖像金字塔中采集低維Haar特征，從而獲取不同尺度圖像的特征描述，實(shí)現(xiàn)變尺寸的物體跟蹤;另一方面在參數(shù)更新時(shí)引入歸一化的顏色直方

3、圖描述目標(biāo)，通過(guò)計(jì)算當(dāng)前跟蹤結(jié)果和跟蹤目標(biāo)的直方圖巴氏距離判斷跟蹤目標(biāo)是否被遮擋，并以此自適應(yīng)地改變學(xué)習(xí)率參數(shù)。實(shí)驗(yàn)結(jié)果表明該算法能夠應(yīng)對(duì)小目標(biāo)跟蹤、尺度變化和遮擋等影響。
　　2.提出了基于分層模型的多特征融合裝配動(dòng)作識(shí)別方法。在底層模型中，裝配手勢(shì)類型基于旋轉(zhuǎn)不變特性的IHOG特征和Zernike矩特征識(shí)別，裝配動(dòng)作高度變化類型通過(guò)分析手的運(yùn)動(dòng)軌跡Z分量隨時(shí)間的變化獲取，而XY平面投影軌跡和裝配物體平面運(yùn)動(dòng)軌跡則用于提取本文提

4、出的平面軌跡方向直方圖。高層模型將底層模型中的手勢(shì)、高度變化類型以及平面軌跡方向直方圖作為特征，結(jié)合Multi-class SVM分類器實(shí)現(xiàn)了裝配動(dòng)作識(shí)別。實(shí)驗(yàn)中該方法對(duì)包含放、貼、推、擰和提5類裝配動(dòng)作的視頻識(shí)別正確率高達(dá)98％，與其他的動(dòng)作識(shí)別方法相比，準(zhǔn)確率更高，更加適合裝配演示編程系統(tǒng)。
　　3.提出了結(jié)合滑動(dòng)窗口的分割點(diǎn)檢測(cè)和基于迭代動(dòng)態(tài)規(guī)劃的識(shí)別優(yōu)化的方法以實(shí)現(xiàn)連續(xù)裝配動(dòng)作分割與識(shí)別。考慮到裝配動(dòng)作分割和裝配動(dòng)作識(shí)別兩